大数据技术前景我们是毋庸置疑的，而对于学习更是争先恐后。在这些人中，不乏有已经在it圈混迹好几年的程序员，自然也有初出茅庐的零基础小白。说实话，大数据不比编程学习，还是需要一定的基础的，那些说根本不需要基础的人，你出来，保证不打死你。
在学习大数据技术之前，掌握编程是必须的，linux基础也是很有必要的。主要分析如下：
大数据技术学习，需要的基础之一：编程基础
Java：学习Java的标准版JavaSE就可以了，像Servlet、JSP、Tomcat、Struct、Spring、Hibernate，Mybaits都是JavaEE方向的技术在大数据技术里用到的并不多，只需要了解就可以了，当然Java怎么连接数据库还是要知道的，像JDBC一定要掌握一下，有同学说Hibernate或Mybaits也能连接数据库啊，为什么不学习一下，我这里不是说学这些不好，而是说学这些可能会用你很多时间，到工作中也不常用，我还没看到谁做大数据处理用到这两个东西的，当然你的精力很充足的话，可以学学Hibernate或Mybaits的原理，不要只学API，这样可以增加你对Java操作数据库的理解，因为这两个技术的核心就是Java的反射加上JDBC的各种使用。
很多初学者，对大数据的概念都是模糊不清的，大数据是什么，能做什么，学的时候，该按照什么线路去学习，学完往哪方面发展，想深入了解，想学习的同学欢迎加入大数据学习qq群：199427210，有大量干货（零基础以及进阶的经典实战）分享给大家，并且有清华大学毕业的资深大数据讲师给大家免费授课，给大家分享目前国内最完整的大数据高端实战实用学习流程体系
Python：虽然说学习大数据只需要精通一门编程语言就可以了，但很多时候其他编程语言也要了解一些。
Scala：上面说的java主要是针对Hadoop开发的，而这里的Scala编程语言，主要是针对Spark生态体系的学习，两个方向的侧重语言不一样，大家可以酌情选择。
大数据技术学习，需要的基础之二：linux体系
Linux：因为大数据相关软件都是在Linux上运行的，所以Linux要学习的扎实一些，学好Linux对你快速掌握大数据相关技术会有很大的帮助，能让你更好的理解hadoop、hive、hbase、spark等大数据软件的运行环境和网络环境配置，能少踩很多坑，学会shell就能看懂脚本这样能更容易理解和配置大数据集群。还能让你对以后新出的大数据技术学习起来更快。
当然了，以上我说的这些基础，有些在大数据课程中都有涉及，大家可以在学习大数据技术之前多预习一下，确保自己学习的大数据时可以沉稳应对，也减轻了自己学习的负担！
如果你看完有信心能坚持学习的话，那就当下开始行动吧！
一、大数据技术基础
1、linux操作基础
- linux系统简介与安装
- linux常用命令–文件操作
- linux常用命令–用户管理与权限
- linux常用命令–系统管理
- linux常用命令–免密登陆配置与网络管理
- linux上常用软件安装
- linux本地yum源配置及yum软件安装
- linux防火墙配置
- linux高级文本处理命令cut、sed、awk
- linux定时任务crontab
2、shell编程
- shell编程–基本语法
- shell编程–流程控制
- shell编程–函数
- shell编程–综合案例–自动化部署脚本
3、内存数据库redis
- redis和nosql简介
- redis客户端连接
- redis的string类型数据结构操作及应用-对象缓存
- redis的list类型数据结构操作及应用案例-任务调度队列
- redis的hash及set数据结构操作及应用案例-购物车
- redis的sortedset数据结构操作及应用案例-排行榜
4、布式协调服务zookeeper
- zookeeper简介及应用场景
- zookeeper集群安装部署
- zookeeper的数据节点与命令行操作
- zookeeper的java客户端基本操作及事件监听
- zookeeper核心机制及数据节点
- zookeeper应用案例–分布式共享资源锁
- zookeeper应用案例–服务器上下线动态感知
- zookeeper的数据一致性原理及leader选举机制
5、java高级特性增强
- Java多线程基本知识
- Java同步关键词详解
- java并发包线程池及在开源软件中的应用
- Java并发包消息队里及在开源软件中的应用
- Java JMS技术
- Java动态代理反射
6、轻量级RPC框架开发
- RPC原理学习
- Nio原理学习
- Netty常用API学习
- 轻量级RPC框架需求分析及原理分析
- 轻量级RPC框架开发
二、离线计算系统
1、hadoop快速入门
- hadoop背景介绍
- 分布式系统概述
- 离线数据分析流程介绍
- 集群搭建
- 集群使用初步
2、HDFS增强
- HDFS的概念和特性
- HDFS的shell(命令行客户端)操作
- HDFS的工作机制
- NAMENODE的工作机制
- java的api操作
- 案例1：开发shell采集脚本
3、MAPREDUCE详解
- 自定义hadoop的RPC框架
- Mapreduce编程规范及示例编写
- Mapreduce程序运行模式及debug方法
- mapreduce程序运行模式的内在机理
- mapreduce运算框架的主体工作流程
- 自定义对象的序列化方法
- MapReduce编程案例
4、MAPREDUCE增强
- Mapreduce排序
- 自定义partitioner
- Mapreduce的combiner
- mapreduce工作机制详解
5、MAPREDUCE实战
- maptask并行度机制-文件切片
- maptask并行度设置
- 倒排索引
- 共同好友
6、federation介绍和hive使用
- Hadoop的HA机制
- HA集群的安装部署
- 集群运维测试之Datanode动态上下线
- 集群运维测试之Namenode状态切换管理
- 集群运维测试之数据块的balance
- HA下HDFS-API变化
- hive简介
- hive架构
- hive安装部署
- hvie初使用
7、hive增强和flume介绍
- HQL-DDL基本语法
- HQL-DML基本语法
- HIVE的join
- HIVE 参数配置
- HIVE 自定义函数和Transform
- HIVE 执行HQL的实例分析
- HIVE最佳实践注意点
- HIVE优化策略
- HIVE实战案例
- Flume介绍
- Flume的安装部署
- 案例：采集目录到HDFS
- 案例：采集文件到HDFS
三、流式计算
1、Storm从入门到精通
- Storm是什么
- Storm架构分析
- Storm架构分析
- Storm编程模型、Tuple源码、并发度分析
- Storm WordCount案例及常用Api分析
- Storm集群部署实战
- Storm+Kafka+Redis业务指标计算
- Storm源码编译
- Strom集群启动及源码分析
- Storm任务提交及源码分析
- Storm数据发送流程分析
- Storm通信机制分析
- Storm消息容错机制及源码分析
- Storm多stream项目分析
- 编写自己的流式任务执行框架
2、Storm上下游及架构集成
- 消息队列是什么
- Kakfa核心组件
- Kafka集群部署实战及常用命令
- Kafka配置文件梳理
- Kakfa JavaApi学习
- Kafka文件存储机制分析
- Redis基础及单机环境部署
- Redis数据结构及典型案例
- Flume快速入门
- Flume+Kafka+Storm+Redis整合
四、内存计算体系Spark
1、scala编程
- scala编程介绍
- scala相关软件安装
- scala基础语法
- scala方法和函数
- scala函数式编程特点
- scala数组和集合
- scala编程练习（单机版WordCount）
- scala面向对象
- scala模式匹配
- actor编程介绍
- option和偏函数
- 实战：actor的并发WordCount
- 柯里化
- 隐式转换
2、AKKA与RPC
- Akka并发编程框架
- 实战：RPC编程实战
3、Spark快速入门
- spark介绍
- spark环境搭建
- RDD简介
- RDD的转换和动作
- 实战：RDD综合练习
- RDD高级算子
- 自定义Partitioner
- 实战：网站访问次数
- 广播变量
- 实战：根据IP计算归属地
- 自定义排序
- 利用JDBC RDD实现数据导入导出
- WorldCount执行流程详解
4、RDD详解
- RDD依赖关系
- RDD缓存机制
- RDD的Checkpoint检查点机制
- Spark任务执行过程分析
- RDD的Stage划分
5、Spark-Sql应用
- Spark-SQL
- Spark结合Hive
- DataFrame
- 实战：Spark-SQL和DataFrame案例
6、SparkStreaming应用实战
- Spark-Streaming简介
- Spark-Streaming编程
- 实战：StageFulWordCount
- Flume结合Spark Streaming
- Kafka结合Spark Streaming
- 窗口函数
- ELK技术栈介绍
- ElasticSearch安装和使用
- Storm架构分析
- Storm编程模型、Tuple源码、并发度分析
- Storm WordCount案例及常用Api分析
7、Spark核心源码解析
- Spark源码编译
- Spark远程debug
- Spark任务提交行流程源码分析
- Spark通信流程源码分析
- SparkContext创建过程源码分析
- DriverActor和ClientActor通信过程源码分析
- Worker启动Executor过程源码分析
- Executor向DriverActor注册过程源码分析
- Executor向Driver注册过程源码分析
- DAGScheduler和TaskScheduler源码分析
- Shuffle过程源码分析
- Task执行过程源码分析
五、机器学习算法
1、python及numpy库
- 机器学习简介
- 机器学习与python
- python语言–快速入门
- python语言–数据类型详解
- python语言–流程控制语句
- python语言–函数使用
- python语言–模块和包
- phthon语言–面向对象
- python机器学习算法库–numpy
- 机器学习必备数学知识–概率论
2、常用算法实现
- knn分类算法–算法原理
- knn分类算法–代码实现
- knn分类算法–手写字识别案例
- lineage回归分类算法–算法原理
- lineage回归分类算法–算法实现及demo
- 朴素贝叶斯分类算法–算法原理
- 朴素贝叶斯分类算法–算法实现
- 朴素贝叶斯分类算法–垃圾邮件识别应用案例
- kmeans聚类算法–算法原理
- kmeans聚类算法–算法实现
- kmeans聚类算法–地理位置聚类应用
- 决策树分类算法–算法原理
- 决策树分类算法–算法实现
在不久的将来，大数据一定会彻底走入我们的生活，有兴趣入行未来前沿产业的朋友加入一起学习及时获取人工智能、大数据、云计算和物联网的入门知识和资讯信息，让我们一起携手，引领人工智能的未来